[发明专利]一种基于平扫CT生成CT血管成像的方法

权利要求书

1.一种基于平扫CT生成CT血管成像的方法，其特征在于，包括以下步骤：

步骤1、获取平扫CT图像x_i和层面对应的CTA图像y_i，构成训练集N为志愿者的总数；

步骤2、构建用于从平扫CT图像生成CTA图像的深度学习模型，深度学习模型依次包括输入层、第一个SA模块、收缩路径、扩张路径、第二个SA模块和输出层；

步骤3、定义深度学习模型G_θ(·)的损失函数L(θ)，

其中，·表示模型输入，θ表示模型参数，表示L2范数，⊙表示逐元素乘积，M_i指CTA图像中血管区域的mask；

步骤4、采用反向传播和梯度下降算法，寻找使损失函数L(θ)最小的模型参数获得训练好的深度学习模型

2.根据权利要求1所述的一种基于平扫CT生成CT血管成像的方法，其特征在于，所述的步骤1包括以下步骤：

步骤1.1、使用CT机采集N名志愿者的平扫CT图像和层面对应的CTA图像；

步骤1.2、对平扫CT图像、CTA图像进行配准，使得两者的血管分布逐像素对应；

步骤1.3、将步骤1.2获得的配准后的第i个志愿者的平扫CT图像和层面对应的CTA图像分别表示为x_i和y_i，并将x_i和y_i组成训练样本对，所有志愿者的平扫CT图像和层面对应的CTA图像组成训练集N为志愿者的总数。

3.根据权利要求1所述的一种基于平扫CT生成CT血管成像的方法，其特征在于，所述的步骤2中的两个SA模块的输入特征定义为F，SA模块首先使用最大池化操作和平均池化操作将输入特征F的通道信息聚合为两个二维特征图，进而获得输入特征F在通道方向上最大池化特征F_max和平均池化特征F_avg，将最大池化特征F_max和平均池化特征F_avg级联，并将级联后的最大池化特征F_max和平均池化特征F_avg进行卷积，将卷积后的特征表示为F_c，随后，使用sigmoid激活函数对特征F_c进行激活处理，得到空间注意力图M_s，最后，将空间注意力图M_s和输入特征F逐通道相乘，得到空间注意力特征F_s，空间注意力特征F_s作为SA模块的输出特征。